암 치료는 어지러울 정도로 많은 양의 데이터에 의존합니다. 클라우드에서 분류되는 방법은 다음과 같습니다.

암 환자와 담당 의사는 그 어느 때보다 질병과 치료법에 대해 더 많은 정보를 갖고 있으며 이용 가능한 정보는 계속해서 엄청난 속도로 증가하고 있습니다. 그러나 사람들이 모든 정보를 이해할 수 없다면 그 모든 정보는 유용하지 않습니다. 

예를 들어, 컴퓨터 단층 촬영(CT) 이미지를 생성하는 선별 프로그램을 통해 조기 진단을 받을 수 있는 폐암 환자를 생각해 보십시오. 진단 및 치료 계획이 진행됨에 따라 담당 간병인은 MR 및 분자 영상, 병리학 데이터(점점 디지털화되고 있음) 및 유전체학 정보와 같은 데이터 소스를 가져올 것입니다. 

필립스의 유전체학 및 종양학 정보학 GM 루이스 쿨로(Louis Culot)는 아마존에서 “솔직히 이 모든 것은 환자를 가장 잘 돌보고 치료하는 방법을 생각하고 있기 때문에 진료팀 스스로에게 매우 어려운 도전입니다.”라고 말했습니다. 건강 산업을 위한 웹 서비스 가상 이벤트. 

Culot은 "현재 종양학 또는 모든 의학 분야에서 치료가 중요하고 개입이 중요하기 때문에 이것이 중요합니다."라고 말했습니다. “우리는 데이터를 위한 데이터만을 원하는 것이 아닙니다. 정보를 바탕으로 의료진이 취할 수 있는 조치는 무엇입니까?”

이 모든 데이터를 더 잘 파악하기 위해 혁신가들은 잠재적으로 생명을 구할 수 있는 결과를 제공하는 클라우드 컴퓨팅 및 기계 학습과 같은 도구로 눈을 돌렸습니다. 이번 주 AWS 이벤트에서 Culot은 의사가 환자를 위한 개인화된 치료 계획을 수립하기 위해 모든 데이터를 취합할 수 있도록 돕는 것을 목표로 하는 텍사스 대학의 MD Anderson 암 센터와 Philips의 파트너십을 살펴보았습니다. 

Grail의 소프트웨어 엔지니어링 SVP인 Satnam Alag는 자신의 회사가 클라우드와 머신 러닝을 사용하여 한 번에 하나씩이 아니라 수십 가지 유형의 암에 대해 한 번에 환자를 선별할 수 있는 시스템을 개발하는 방법을 설명했습니다. 

개선된 암 검진 및 치료의 영향을 과장하기는 어렵습니다. Alag는 2020년에 전 세계적으로 19만 건 이상의 암 사례가 발생했으며 거의 ​​10만 명이 사망했다고 밝혔습니다. 남성 XNUMX명 중 XNUMX명, 여성 XNUMX명 중 XNUMX명은 평생 동안 암에 걸릴 가능성이 있는 것으로 추정됩니다.

“나나 가족이 암 진단을 받을 것인가? 내 몸의 어디에 있습니까? 치료할 수 있습니까? 아니면 나를 죽일 것인가? 이것은 우리 중 많은 사람들이 공유하는 일반적인 질문입니다.”라고 Alag가 말했습니다. 

고맙게도 암 연구를 위해 더 많은 데이터 포인트를 수집함에 따라 과학자들도 빠른 속도로 새로운 치료 옵션을 개발하고 있습니다. 분자 프로파일링의 발전은 과학자들이 다양한 잠재적 치료법과 함께 암의 다양한 범주 및 하위 범주를 식별하는 데 도움이 되었습니다. Culot은 2009년에 미국 FDA가 2020개의 항암제를 승인했다고 말했습니다. 57년까지 그 수는 1,500개로 늘어났습니다. 게다가 현재 암 환자를 대상으로 하는 약 XNUMX개의 임상 시험이 있습니다. 

Culot은 "일반적으로 현재 암을 치료하는 데 사용할 수 있는 수백 가지의 가능한 요법 또는 요법 조합이 있습니다. “그래서 우리는 이중 도전을 해야 하는 거죠, 그렇죠? 환자에 대한 더 나은 그림을 얻기 위해 이 모든 데이터를 어떻게 취합합니까? 그런 다음 최상의 치료라는 관점에서 이 모든 것이 무엇을 의미합니까?”

이 문제를 해결하기 위해 MD Anderson의 의사는 PODS(Precision Oncology Decision Support) 시스템을 개발했습니다. 이 시스템은 의사가 최신 약물 개발 및 임상 시험, 치료에 대한 환자 반응과 같은 관련 정보를 평가하는 데 도움이 되는 증거 기반 도구입니다. . 이것은 그들이 개인화된 치료 계획을 개발하는 데 도움이 됩니다.

2020년에 MD Anderson은 Philips 및 AWS와 제휴하여 전 세계 의사 및 개업의가 시스템을 사용할 수 있도록 했습니다. 

Culot은 여러 가지 이유로 시스템이 클라우드에만 존재할 수 있다고 말했습니다. 저장해야 할 엄청난 양의 데이터와 발생해야 하는 엄청난 양의 데이터 처리가 있습니다. 동시에 시스템은 전 세계의 실무자를 위한 안전하고 규정을 준수하는 다중 테넌트 시스템이어야 합니다. 

아마도 가장 중요한 것은 클라우드를 통해 의사가 협업하고 데이터를 결합할 수 있게 함으로써 진정으로 개인화된 치료 계획을 실현할 수 있다는 것입니다. 

Culot은 "사람들은 암을 빅 데이터 문제라고 말하지만, 이는 제가 작은 문제라고 부르는 문제이기도 합니다."라고 말했습니다. 그는 특정 돌연변이가 있는 폐암 4기임을 알게 된 폐암 환자의 예를 들었습니다. 

그는 "이러한 인구 집단을 부분 집합화하고 부분 집합화하여 가장 큰 의료 기관에서도 때때로 우리가 배우려고 하는 기준을 충족하는 소수의 환자만 가질 수 있습니다."라고 말했습니다. "비식별화된 데이터를 규정 준수 방식으로 결합하여 데이터에서 배울 수 있는 것은 이러한 클라우드 기반 에코시스템을 통해 가능합니다."

마찬가지로 Grail의 Satnam Alag는 회사의 다중 암 조기 발견 테스트인 Galleri의 개발에 클라우드가 필수적이라고 말했습니다. 이 검사는 단일 암 선별 검사를 보완하기 위해 50가지 이상의 암 유형을 감지하도록 설계되었습니다.

Alag는 "유전체학 및 기계 학습의 힘을 활용하려면 많은 계산이 필요합니다. "매우 많은 양의 데이터를 수집하고 확장해야 합니다." 

Galleri 테스트는 단일 채혈에서 DNA 시퀀싱 및 기계 학습 알고리즘을 사용하여 환자의 혈류에 있는 DNA 조각을 분석합니다. 이 검사는 종양이 혈액에서 흘리는 무세포 핵산(cfDNA)을 구체적으로 찾아 신체에 어떤 종류의 암이 있고 어디에서 왔는지 알려줄 수 있습니다. 

Alag는 "개별 암만을 선별하는 대신 개인별로 암을 선별해야 합니다."라고 말했습니다. “그리고 이것은 지난 20년 동안 일어난 두 가지 큰 기술 혁명 덕분에 이제 가능합니다. 첫째, 유전체학의 힘 — 이제 완전한 DNA를 시퀀싱하는 것이 가능합니다… 며칠 내에 비용 효율적으로 테라바이트의 데이터를 생성합니다. 둘째, 기계 학습의 엄청난 혁신입니다. 이제 우리는 수천만 개의 매개변수로 복잡한 딥 러닝 모델을 구축할 수 있는 노하우를 가지고 있습니다.”